机器学习
文章平均质量分 72
Felier.
只要前路可期,哪怕风雨浩荡。
展开
-
前馈神经网络理论以及对前向、后向传播的理解
前馈神经网络中前向与反向传播的理解原创 2021-12-04 00:39:07 · 1008 阅读 · 0 评论 -
用简单直观的概念说明核函数的作用
支持向量机中的核函数是什么原创 2021-11-29 16:42:44 · 2124 阅读 · 0 评论 -
如何理解SVM支持向量机算法
详解SVM(支持向量机)原理原创 2021-11-28 16:24:36 · 441 阅读 · 0 评论 -
支持向量机中“拉格朗日函数与其对偶函数”是什么?
拉格朗日函数与其对偶函数原创 2021-11-28 00:59:00 · 866 阅读 · 0 评论 -
一文理解逻辑回归原理
如何理解逻辑回归原理原创 2021-11-26 22:41:49 · 312 阅读 · 0 评论 -
如何理解朴素贝叶斯模型
如何理解朴素贝叶斯模型原创 2021-11-26 22:12:14 · 328 阅读 · 0 评论 -
模型的“参数”与“超参数”
目录前言一、“参数”与“超参数”二、模型训练与最终模型三、参考文献前言起初由于团队项目临时需要,花了个一两、天的时间直接仓促上手了机器学习算法。直至最近回顾机器学习的模型评估与选择方面的内容时,才幡然发现在初识机器学习阶段对于个别知识点的理解存在偏差,故特别记录下自身对于模型训练过程中的几个不正确的认识。一、“参数”与“超参数”通常所述的模型调参,是指算法的“超参数”,可以理解为模型的“外部参数”; 周志华老师在机器学习一书中对于“超参数”的定义是:“超...原创 2021-09-05 17:10:21 · 7967 阅读 · 0 评论